前 OpenAI 研究员 Kaiser 长文告别 RLSlow 推理团队

前 OpenAI 研究员 Lukasz Kaiser 发长文向 RLSlow（强化学习慢思考）团队告别。他回顾了团队历程：最早与 Ilya Sutskever 共同领导，团队名取自《思考，快与慢》，核心理念是语言模型已具备「快思考」能力，而用强化学习可以训练出「慢思考」式的推理。文章也复盘了 RL 推理如何从最初的信念一步步走向规模化落地。

2026-09-07 ~ 2026-09-07 · 2 条相关